[发明专利]基于卷积神经网络模型集成的乳腺癌图像自动识别方法

权利要求书

1.一种基于卷积神经网络模型集成的乳腺癌图像自动识别方法，其特征在于，所述方法包括：

步骤1：对原始乳腺癌病理图像进行降噪处理以排除该原始乳腺癌病理图像中的无用信息，以获得降噪处理后的图像；

步骤2：使用SinGAN处理降噪处理后的图像以生成数据，对该数据进行数据增强；

步骤3：基于ResNet网络、DenseNet网络和SENet网络进行训练，构建自动识别模型；

所述ResNet网络使用残差学习单元通过恒等映射的引入在输入、输出之间建立了一条直接的关联通道，使底层网络信息直接传到高层；所述DenseNet网络在ResNet网络的基础上，进行特征复用、减少计算参数、缓解梯度消失，每个层从前面的所有层获得额外的输入，并将自己的特征映射传递到后续的所有层；所述SENet网络使用注意力机制；

步骤4：对于所识别的结果进行集成。

2.根据权利要求1所述的方法，

其特征在于，在步骤1中，将所述原始乳腺癌病理图像转成灰度图像，然后对所述灰度图像进行二值化处理，获取所述灰度图像的不同区域的轮廓信息，对所述灰度图像进行操作，该操作包含对所述灰度图像先进行腐蚀和然后进行膨胀，迭代4次，消除所述灰度图像上的细小区域及细小连接处。

3.根据权利要求1所述的方法，

其特征在于，在步骤2中，所述数据包括所述降噪处理后的图像的纹理和轮廓信息。

4.一种用于基于卷积神经网络模型集成的乳腺癌图像自动识别设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至3中任一项所述的基于卷积神经网络模型集成的乳腺癌图像自动识别方法的步骤。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至3中任一项所述的基于卷积神经网络模型集成的乳腺癌图像自动识别方法的步骤。